北京,2020年5月21日——企业级混合云服务商青云QingCloud日前宣布,其容器公有云服务QKE(QingCloud KubeSphere Engine)再次升级,新增GPU计算节点与CPU指令集配置,可以更轻松地处理大规模并发计算,高效、低延迟地完成推理类场景、深度学习、机器学习、图像识别中的计算任务,轻松承载AI人工智能应用的开发与运行。基于此,青云QingCloud将为企业构建AI生态提供更为坚实的基础支撑。
随着数字经济的不断发展, 企业数字化已经是大势所趋。因此,企业需要更为灵活、敏捷的IT架构,帮助自己重构开发运维流程,最大程度提高应用开发效率并降低IT生产环境运维成本。同时,容器技术日渐兴起,有效联合了过去各自独立的IT开发与运维环节,切实帮助企业快速构建云原生应用,实现微服务和DevOps落地,从而加快业务创新迭代。
早在2016年,青云QingCloud便率先推出业界首创的、采用一套架构同时支持虚拟主机和容器主机的技术;2018年7月,青云QingCloud推出KubeSphere容器平台,并于同年12月13日开启公测,以帮助用户快速构建、部署与运维容器架构。2019年6月,青云QingCloud将KubeSphere在公有云平台交付,为企业提供容器云(QKE)服务。
青云QingCloud旗下KubeSphere容器平台基于Kubernetes构建,提供托管的原生Kubernetes集群、极简的人机交互实现CI/CD、微服务、以及集群运维管理,能够帮助用户实现极简开发、强劲支持和高效交付,从而更敏捷地构建云原生应用,并可一站式实现应用全生命周期的统一管理。KubeSphere容器平台一经问世便广受好评,在银行、保险、制造、互联网等行业的生产环境中都得以顺利部署应用并产生价值。
相较于原生的Kubernetes集群,KubeSphere提供了更多完善易用的开发工具集,能够实现极简开发、强劲支持和高效交付,可以帮助用户解除核心业务开发以外的平台工作负担。如果企业没有数据中心,则可以在QingCloud公有云上直接使用QKE,一站式获得从IaaS到PaaS的全栈容器服务。
此次QKE升级,一方面支持新增了GPU计算节点与CPU指令集的配置,能高效完成机器学习、深度学习、图像识别等AI计算任务,高性能地承载企业大规模并行计算需求。同时还新增无感热升级功能,通过滚动升级的方式,令主机在无需停机、应用无需停服的状态下完成升级,有效保障企业业务的连续性。
青云QingCloud作为一家以技术见长的企业级云服务商,认准了容器技术的价值与未来。在新基建浪潮下,青云QingCloud还将继续优化云端技术,加速企业云原生转型,并不断将技术沉淀与最佳实践融入到数字世界的愿景中,为容器生态的构建、人工智能时代的加速,以及数字世界的最终实现贡献力量。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。